Python面向对象如何降低内存消耗_对比__slots__与字典存储的开销

Python面向对象如何降低内存消耗：对比__slots__与字典存储的开销

先说一个核心结论：__slots__ 能让单个实例节省约 240 字节内存，10 万个实例就能省下 23MB 以上。这可不是什么“锦上添花”的可选优化，而是处理高频、轻量对象的刚需配置。

为什么普通类每个实例都带一个 __dict__？

Python 默认采用字典来存储实例属性，这背后的设计哲学很明确：用空间换取灵活性。毕竟，动态赋值（比如随时来个 obj.new_field = 42）是 Python 的一大魅力。但这份自由的代价，就是每个实例都得扛着一个完整的哈希表结构。问题在于，即便你只存两个字段，__dict__ 这个“容器”自身就要占掉大约 240 字节，更别提键（字符串对象）和值带来的额外开销了。

由此引发的典型现象，在项目中并不少见：

• 创建百万级别的数据模型（比如 User、Point）后，RSS 内存直线飙升，垃圾回收变得频繁，可堆栈里又找不到明显的泄漏点。
• 用 sys.getsizeof(obj) 一测，返回值远大于字段实际数据的大小，让人不禁困惑：“对象怎么比数据本身还重？”

这并非 Bug，而是设计的取舍。但话说回来，如果你的类属性固定，压根没打算动态添加字段，那么这个字典就成了纯粹的冗余负担。

（此处可参考“Python免费学习笔记（深入）”以获取更多细节。）

__slots__ 怎么把对象变“瘦”？

它的工作原理很直接：让 Python 放弃为每个实例创建 __dict__，转而采用类似 C 语言 struct 的连续内存块。属性按照声明顺序直接“塞”进去，访问时也跳过了哈希查找，直接通过内存偏移量定位。效率提升的同时，内存占用自然就降下来了。

在实际使用时，有几个细节值得注意：

• 用元组定义更安全：__slots__ = ('x', 'y')，可以避免列表内容被意外修改。
• 空类想追求极致瘦身，直接写 __slots__ = () 就行。
• 如果类需要支持弱引用（比如用在缓存、观察者模式里），必须显式加上：__slots__ = ('x', 'y', '__weakref__')。
• 千万别在已有实例上临时添加 __slots__ —— 它只对新创建的实例生效。

来看一个直观的示例对比：

class RegularPoint:
    def __init__(self, x, y):
        self.x = x
        self.y = y

class SlottedPoint:
    __slots__ = ('x', 'y')
    def __init__(self, x, y):
        self.x = x
        self.y = y

结果如何？创建 10,000 个 SlottedPoint 实例，总内存大约在 400KB；而同等数量的 RegularPoint 则会占到约 2.8MB。这巨大的差距，主要就来自那 10,000 个重复的 __dict__ 结构体。

继承和多重继承中 __slots__ 容易踩的坑

到了继承场景，__slots__ 的规则就需要格外小心了。一个常见的误区是：如果子类没有定义 __slots__，那么父类的 __slots__ 就会失效 —— 子类实例依然会生成 __dict__。

这里有几条关键规则需要牢记：

• 所有参与继承链的类，只要想省内存，就必须各自定义 __slots__。
• 子类的 __slots__ 不会自动合并父类的，你需要手动包含父类的字段，或者留空（但注意，留空不等于继承父类的 slots）。
• 多重继承时，如果多个父类都定义了 __slots__，且字段名有重复，Python 会直接抛出 TypeError；各父类的字段名必须互斥。
• 一旦继承链中某个父类没有设置 __slots__，整个链条的“防御”就告破了，所有子类实例都会回退到字典存储。

最稳妥的做法是：基类定义好 __slots__，子类在继承时明确声明并扩展自己的字段。例如：

class Shape:
    __slots__ = ('color',)

class Circle(Shape):
    __slots__ = ('radius',)  # 注意：这里不包含 color，它由父类管理

什么时候不该用 __slots__？

当然，__slots__ 并非银弹。在下面这些场景里，它反而可能带来麻烦：

• 类需要被 pickle 序列化，并且要兼容旧版本协议（部分老的 pickle 协议依赖于 __dict__）。
• 你重度依赖 dir() 或 vars() 来动态检查实例属性（这些函数对 __slots__ 类可能返回空或不完整的结果）。
• 代码中使用了大量的猴子补丁或动态装饰器，需要频繁地向实例临时添加属性。
• 类只是偶尔创建几个实例，内存压力根本不存在，这时优化意义不大。

所以，真正该问的问题是：你的类是否属于“高密度、低变更”的数据载体？比如 ORM 模型、几何点坐标、传感器采样帧、粒子系统状态 —— 这些才是 __slots__ 大显身手的战场。与其纠结“要不要用”，不如先判断“它是不是你的主力数据结构”。这才是关键所在。